实体
CAMELYON16
CAMELYON16
PulseAugur coverage of CAMELYON16 — every cluster mentioning CAMELYON16 across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新的AI方法将细胞束与注意力对齐以进行病理定位
研究人员开发了一种新的方法，通过将细胞束与分类器注意力相结合，来解释全切片图像中的弱监督病理定位。该方法旨在通过确保注意力图准确地突出诊断区域来提高AI模型在临床环境中的可信度。所提出的方法，即注意力条件一致性，同时训练分类器和细胞束，从而显著提高了识别癌组织的性能。
-
Dino-NestedUNet 通过密集解码增强病理肿瘤分割
研究人员开发了 Dino-NestedUNet，这是一个旨在改进病理图像中肿瘤块分割的新框架。该模型集成了 DINOv3 视觉基础模型和一个新颖的 Nested Dense Decoder。该解码器促进了连续的特征重用和多尺度重新校准，这对于将语义信息与详细的形态纹理对齐至关重要。
-
联邦学习框架FedHD对齐WSI特征以实现协同病理学
研究人员推出FedHD，一个新颖的联邦学习框架，专为协同数字病理学设计。该框架通过对齐高斯混合特征，解决了机构间不同架构和特征提取器带来的挑战。FedHD不共享模型参数，而是生成全切片图像（WSIs）的合成特征表示，然后使用基于课程的策略将其整合到本地训练中。